文献类型：期刊文章

作　　者：刘冬韡[1] 穆海振[2] 贺千山[3] 史军[1] 王亚东[2] 武雪沁[2]

Liu Dongwei;Mu Haizhen;He Qianshan;Shi Jun;Wang Yadong;Wu Xueqin(Shanghai Ecological Forecasting and Remote Sensing Center,Shanghai 200030;Shanghai Meteorological Information and Technology Support Center,Shanghai 200030;Shanghai Key Laboratory of Meteorology and Health,Shanghai 200030)

机构地区：[1]上海市生态气象和卫星遥感中心,上海200030 [2]上海市气象信息与技术支持中心,上海200030 [3]上海市气象与健康重点实验室,上海200030

出　　处：《应用气象学报》

基　　金：国家重点研发计划(2017YFC1501701);国家自然科学基金项目(41775019)。

年　　份：2022

卷　　号：33

期　　号：4

起止页码：501-512

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野,对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。

关 键 词：低能见度 图像识别 算法  卷积神经网络

分 类 号：TP391.41] TP183[计算机类]